Tarea 19:

Análisis de Calidad de Datos

Analiza la tabla yellow_tripdata para identificar y cuantificar varios problemas de calidad de datos. Tu salida debe incluir las siguientes columnas:
- total_rows: Número total de filas en el conjunto de datos
- missing_pickup_count: Conteo de filas con tpep_pickup_datetime faltante
- missing_dropoff_count: Conteo de filas con tpep_dropoff_datetime faltante
- invalid_distance_count: Conteo de filas con trip_distance inválido
- invalid_amount_count: Conteo de filas con total_amount inválido
- invalid_passenger_count: Conteo de filas con passenger_count inválido
- invalid_time_count: Conteo de filas con datos de tiempo inválidos
- problematic_row_count: Conteo de filas con cualquier problema de calidad
- clean_row_percentage: Porcentaje de filas sin problemas de calidad, redondeado a dos decimales

Asegúrate de que el resultado esté ordenado por total_rows en orden descendente.

Utilice la sintaxis de DuckDB para escribir su respuesta. Las descripciones de las tablas se proporcionan en el panel derecho.

Escriba su solicitud en el campo a continuación y haga clic en el botón "¡Verificar!".

Tutorial Obtener pista

Copiar código Limpiar editor

Conjunto de datos yellow_tripdata de DuckDB

Acerca de DuckDB

DuckDB es una base de datos analítica embebida diseñada para consultas rápidas sobre datos locales y de aplicaciones.

Soporta SQL y se ejecuta dentro de una aplicación sin un proceso de servidor separado. El almacenamiento columnar y la ejecución de consultas hacen que DuckDB sea adecuado para analizar grandes conjuntos de datos, agregaciones y procesar archivos CSV y Parquet.

En este entorno, DuckDB se utiliza para practicar SQL con un conjunto de datos de viajes en taxi.

yellow_tripdata es un conjunto de datos de aprendizaje que contiene viajes en taxi amarillo de la ciudad de Nueva York.

La tabla es útil para practicar filtrado, agrupamiento, ordenamiento, operaciones de fecha y cálculos agregados en DuckDB.

Todos los campos en este conjunto de datos permiten valores NULL. No se definen claves primarias ni restricciones adicionales.

Tabla yellow_tripdata

yellow_tripdata - viajes en taxi amarillo.

VendorID identificador del proveedor de servicio de taxi.
tpep_pickup_datetime fecha y hora de recogida del pasajero.
tpep_dropoff_datetime fecha y hora de entrega del pasajero.
passenger_count número de pasajeros.
trip_distance distancia del viaje.
RatecodeID identificador del código de tarifa.
store_and_fwd_flag indicador que indica que los datos del viaje fueron almacenados antes de ser enviados.
PULocationID identificador de la zona de recogida.
DOLocationID identificador de la zona de entrega.
payment_type identificador del método de pago.
fare_amount tarifa del viaje excluyendo cargos adicionales.
extra cargos adicionales.
mta_tax impuesto MTA.
tip_amount monto de la propina.
tolls_amount cargos de peaje.
improvement_surcharge recargo por mejora del sistema de transporte.
total_amount costo total del viaje.
congestion_surcharge recargo por congestión.
Airport_fee tarifa de aeropuerto.

estructura de la tabla yellow_tripdata
Nombre de columna	Tipo	NULL	Clave	Por defecto	Extra
VendorID	INTEGER	YES	[null]	[null]	[null]
tpep_pickup_datetime	TIMESTAMP	YES	[null]	[null]	[null]
tpep_dropoff_datetime	TIMESTAMP	YES	[null]	[null]	[null]
passenger_count	BIGINT	YES	[null]	[null]	[null]
trip_distance	DOUBLE	YES	[null]	[null]	[null]
RatecodeID	BIGINT	YES	[null]	[null]	[null]
store_and_fwd_flag	VARCHAR	YES	[null]	[null]	[null]
PULocationID	INTEGER	YES	[null]	[null]	[null]
DOLocationID	INTEGER	YES	[null]	[null]	[null]
payment_type	BIGINT	YES	[null]	[null]	[null]
fare_amount	DOUBLE	YES	[null]	[null]	[null]
extra	DOUBLE	YES	[null]	[null]	[null]
mta_tax	DOUBLE	YES	[null]	[null]	[null]
tip_amount	DOUBLE	YES	[null]	[null]	[null]
tolls_amount	DOUBLE	YES	[null]	[null]	[null]
improvement_surcharge	DOUBLE	YES	[null]	[null]	[null]
total_amount	DOUBLE	YES	[null]	[null]	[null]
congestion_surcharge	DOUBLE	YES	[null]	[null]	[null]
Airport_fee	DOUBLE	YES	[null]	[null]	[null]

Práctica

Lecciones

Entorno de Pruebas

Prueba

Análisis de Calidad de Datos

Iniciar sesión

Registrarse

Análisis de Calidad de Datos